Resumen - Estimación Robusta de Lindblad para la Dinámica Cuántica

Estimación Robusta de Lindblad para la Dinámica Cuántica

2025-07-10 16:45:37

{"Yinchen Liu","James R. Seddon","Tamara Kohler","Emilio Onorati","Toby S. Cubitt"}

{quant-ph,physics.comp-ph}

Este documento aborda el desafío de ajustar modelos de Lindbladianos a las salidas de la topografía de procesos cuánticos. Los autores introducen mejoras algoritímicas en la búsqueda logarítmica, demostrando su aplicación práctica en configuraciones relevantes para la hardware actual de computación cuántica. Además, mejoran la robustez del ajuste de Lindbladianos contra errores de preparación y medición de estados (SPAM) utilizando técnicas de topografía de conjuntos de puertas. El documento compara técnicas utilizando datos de topografía simulados y demuestra su aplicación a datos de hardware de qubits superconductores reales, centrándose en el ruido asociado con las puertas entrelazadoras de dos qubits y los procesos de inactividad. Los autores proponen tres métodos principales: 1. **Método de Solución Convexa**: Este método utiliza optimización convexa para encontrar el Lindbladiano más cercano a una matriz de transferencia dada. Es especialmente efectivo en casos donde la matriz de transferencia tiene un espectro no degenerado. 2. **Método de Proyecciones Alternativas**: Este método mejora la eficiencia de la búsqueda logarítmica aprovechando una mejor estimación inicial del canal Markoviano. Proyecta el logaritmo de la matriz sobre el conjunto de Lindbladianos, mejorando iterativamente la mejor estimación y reduciendo significativamente el tiempo de ejecución en comparación con los métodos anteriores. 3. **Algoritmo de Flip-Flop de Conjunto de Puertas**: Este algoritmo combina el ajuste de Lindbladianos con la topografía de conjuntos de puertas para mejorar la robustez contra errores SPAM. Alterna entre pasos de estimación SPAM y ajuste de Lindbladianos, utilizando los métodos de Solución Convexa y Proyecciones Alternativas como subrutinas. Los autores demuestran la efectividad de sus métodos utilizando datos sintéticos y reales de hardware de qubits superconductores. Muestran que los métodos pueden ajustar modelos de Lindbladianos con precisión a los datos de topografía y proporcionar información valiosa sobre los procesos de ruido que afectan a las puertas cuánticas. El documento presenta varios hallazgos clave: - El método de Solución Convexa es altamente efectivo para ajustar modelos de Lindbladianos a matrices de transferencia con un espectro no degenerado. - El método de Proyecciones Alternativas reduce significativamente el tiempo de ejecución de los métodos de búsqueda logarítmica, haciendo que sean más prácticos para la hardware actual de computación cuántica. - El algoritmo de Flip-Flop de Conjunto de Puertas combina eficazmente el ajuste de Lindbladianos y la topografía de conjuntos de puertas para mejorar la robustez contra errores SPAM. - Los métodos pueden aplicarse con éxito a datos de hardware de qubits superconductores reales, proporcionando información valiosa sobre los procesos de ruido que afectan a las puertas cuánticas. En resumen, este documento presenta una contribución valiosa al campo de la información cuántica, proporcionando nuevos y eficientes métodos para ajustar modelos de Lindbladianos a los datos de topografía de procesos cuánticos. Estas técnicas tienen el potencial de mejorar el rendimiento y la fiabilidad de las computadoras cuánticas, permitiendo una mejor comprensión y mitigación de los procesos de ruido.